汽车引擎盖焊接路径的自适应混沌蚁群规划方法

为了实现汽车引擎盖焊接路径最优规划,提出了自适应混沌蚁群算法的焊接路径规划方法.建立了焊接机械臂运动学模型和引擎盖焊点路径优化模型;分析了蚁群系统算法原理,对局部信息素更新和全局信息素更新方法进行了改进;在局部信息素更新方面,以蚂蚁聚集度为路径多样性度量依据,提出了局部信息素随蚂蚁聚度自适应更新方法;在全局信息素更新方面,鉴于混沌系统的随机性和遍历性,提出了全局信息素混沌扰动更新方法,用于增加信息素分布的多样性和随机性;基于以上两点改进,提出了自适应混沌蚁群算法.经验证,全局信息素更新方法和局部信息素更新方法均能够提高算法性能,两者叠加可以更大程度改善算法性能;将自适应混沌蚁群算法应用于引擎盖焊接路径规划,得到了最短焊接路径,长度为6.2m.     

基于改进蚁群算法的伺服机械手臂路径规划

针对基本蚁群算法在机械手臂的工作平台较小、障碍物与目标物体的尺寸相差不多时存在的局限性,提出了基于改进型蚁群算法的伺服机械手臂的路径规划.探讨了栅格划分大小对路径规划速度和精度的影响,改进了蚁群算法的局部信息素更新方法,扩大了蚂蚁的视野域范围.实验结果表明:改进型蚁群算法能在较短时间内寻找出较优的路径,实现了机械手臂运动过程中躲避障碍物的功能,提高了全局搜索性能.     

基于改进蚁群算法的伺服机械手臂路径规划

针对基本蚁群算法在机械手臂的工作平台较小、障碍物与目标物体的尺寸相差不多时存在的局限性,提出了基于改进型蚁群算法的伺服机械手臂的路径规划.探讨了栅格划分大小对路径规划速度和精度的影响,改进了蚁群算法的局部信息素更新方法,扩大了蚂蚁的视野域范围.实验结果表明:改进型蚁群算法能在较短时间内寻找出较优的路径,实现了机械手臂运动过程中躲避障碍物的功能,提高了全局搜索性能.     

基于改进蚁群算法的伺服机械手臂路径规划

针对基本蚁群算法在机械手臂的工作平台较小、障碍物与目标物体的尺寸相差不多时存在的局限性,提出了基于改进型蚁群算法的伺服机械手臂的路径规划.探讨了栅格划分大小对路径规划速度和精度的影响,改进了蚁群算法的局部信息素更新方法,扩大了蚂蚁的视野域范围.实验结果表明:改进型蚁群算法能在较短时间内寻找出较优的路径,实现了机械手臂运动过程中躲避障碍物的功能,提高了全局搜索性能.     

使用改进蚁群算法的AGV路径规划研究

AGV路径规划问题是AGV研究领域的一个关键技术问题。针对传统的蚁群算法耗时长,搜索效率低,容易出现次优的缺点,改进了计算基本蚁群算法启发因子的方法;提出了优胜劣汰机制以及全局信息素调整方案,合理地更新了路径规划中的信息素;利用最大最小蚂蚁系统对路径上信息素进行了限制;研究了路径规划中死锁问题的解决方法。最后给出了基于改进蚁群算法的AGV路径规划步骤并进行了仿真实验。仿真实验结果表明,在该算法作用下,AGV路径规划的搜索效率优于传统蚁群算法,且规划路径更短,提高了搜索的准确性。     

轮式机器人路径规划的改进蚁群算法CSCD

针对轮式机器人在多窟障碍地形图中的路径规划问题,为了克服基本蚁群算法的局部最优问题,提高算法的收敛速度,以及节约找寻最优路径的时间,提出了一种基于多维信息素及模糊集的改进蚁群算法。在栅格化地图上,通过模糊集将某一点距离障碍物以及接受目标的信息程度表达出来,重新更新栅格化地图,从而减少地图中搜索空间,节约搜索时间。其次把传统蚁群算法中的一维信息素改进为多维信息素,得到满足多个约束条件下的路径。通过多组仿真实验的结果表明,验证了改进算法的可行性和有效性,提高了基本蚁群算法对最优路径问题的优化性能与收敛速度。与现有算法相比较,迭代次数节约了70%左右,缩小了20%的蚁群数量。     

多种群蚁群算法在机械手臂路径规划中的设计与应用

为了实现机械臂在复杂环境下准确、快速抓取目标物体,提出了一种多种群蚁群算法.首先,利用机械手臂运动学方法建立了数学模型进行分析;然后,根据自适应度函数不断调整机械臂的旋转角度以达到全局最优;最后,通过仿真实验,并与现有的机械手臂路径规划算法进行了对比.结果表明,该算法在抓取时间和精准度上具有一定的性能优势.     

基于改进RRT算法的冗余机械臂路径规划研究

针对RRT算法在机械臂路径规划的过程中无方向性,在无障碍物处产生过多无用节点的问题,采用目标偏置、双向分段搜索的策略对RRT算法进行改进,提出了具有导向性的双向分段搜索的改进RRT算法并应用于七自由度冗余机械臂的路径规划上,通过Matlab进行了三维环境路径规划仿真实验,并通过ROS平台进行冗余机械臂在简单环境与狭窄环境的避障仿真实验。实验结果表明,改进的RRT算法能够有效地减少路径的节点数量与搜索时间,并提高路径规划的成功率。     

具备启发式路径优化的机械臂路径规划算法

在机器人的路径规划问题中,相较于基于搜索的算法和基于人工势场的算法,基于采样的路径规划算法能在高维状态空间中表现出良好的实时性。基于采样的路径规划算法对空间的探索通常是完全随机的,这不利于快速搜索路径。探讨了一种更高效的路径规划算法,用于帮助机器人在有障碍环境中完成避障作业。提出的Informed RRT^*SR(Informed RRT^*with Smart Rope)算法总体分为无碰路径的搜索和路径优化这两个步骤,路径搜索过程的算法实现与Informed RRT^*算法相同。通常,Informed RRT^*搜索得到的无碰路径是蜿蜒曲折的,结合路径优化算法能够进一步对路径进行优化,从而提高路径搜索效率。Informed RRT^*SR算法在路径优化过程中使用了启发式的路径探索规则,能够有效压缩搜索空间以提高搜索效率。机械臂的路径规划仿真实验结果表明,Informed RRT^*SR算法能够在相同时间内搜索到一条更便捷的路径,搜索得到的路径距离相较于Informe...     

基于改进蚁群算法的移动机器人全局路径规划方法研究

针对基本蚁群算法在移动机器人全局路径规划中收敛速度慢,易陷入局部最优解的问题,提出一种改进的蚁群算法。将A*算法的根据目标点自适应调整启发函数的思想应用于蚁群算法中,增加目标点对启发函数的影响;改进状态选择策略,增加解的多样性;混合使用多种信息素分配机制,提高算法的收敛速度。通过布置相同的路径搜索条件,在MATLAB语言环境下进行仿真分析,验证了改进的算法是可行有效的。     

基于改进蚁群算法的机器人路径规划研究

针对基本蚁群算法在路径规划时出现收敛速度慢,易陷局部最优的问题,提出一种改进的蚁群算法。首先,为使算法在搜索时更具导向性引入方向夹角启发因子减少提高搜索速度;其次,融入A*算法的估价函数思想来改进启发函数,降低死锁可能性;最后,提出基于拉普拉斯概率分布的信息素挥发因子自适应策略,加快了算法收敛速度。多次仿真实验表明,所提出的改进算法能够快速,高效地寻找到最优路径,且路径质量优于基本蚁群算法规划出的路径。     

多因素改进蚁群算法的路径规划EI北大核心

针对目前服务于移动机器人的全局路径规划算法求解目标单一无法应对复杂且多变的实际环境等问题,提出一种多因素改进蚁群算法。首先,提出了RGB-2D栅格法模拟移动机器人的真实地面路况环境,并针对对角障碍情形,运用邻域矩阵探索法实现障碍检测,有效提高了路径的安全性;其次,为克服传统路径规划以距离为单一指标的局限性,构建综合考虑路径安全性、颠簸性、平滑性以及路程最短性的多因子启发式函数;考虑到传统蚁群算法早期搜索的盲目性,提出了初始信息素阶梯分配原则;然后,将信息素进行分类,按优化目标叠加每条路径上的信息素,运用最大最小蚂蚁策略和信息素挥发因子自调整策略避免局部最优;最后,运用动态切点调整法平滑路径,进一步提高路线质量。仿真实验表明,改进算法在复杂环境中具有良好的适应能力,且路径综合性能指标优于对比文献算法,可为实际环境中的多因素路径规划提供有效参考。     

改进人工势场法的双机械臂路径规划算法

针对采用传统人工势场法对双机械臂系统进行路径规划时无法约束双机械臂整体位姿,容易陷入局部极值点的问题,对人工势场法进行改进.采用D-H法对双机械臂系统进行运动学分析,采用圆柱——半球体包络盒模型作为碰撞检测模型;构建新的势能函数对双机械臂系统规划路径;采用构建虚拟目标点的方法帮助机械臂逃离局部极值点.仿真实验表明,改进...     

基于改进蚁群算法的移动机器人路径规划研究

为了提高机器人路径规划算法的收敛速度和收敛精度,提出了基于改进遗传算法的机器人路径规划方法。介绍了栅格建模方法,分析了传统蚁群算法原理。提出了蚂蚁相遇策略提高了算法搜索效率,提出了蚂蚁回退策略避免陷入U形陷阱,设置了信息素感应阈值扩大了算法前期的搜索范围,改进了信息素残留方法使蚁群能够记忆最优路径,提出了信息素自适应调整方法,兼顾了算法前期的大范围搜索和后期的快速收敛。经仿真实验验证,相比于传统蚁群算法,改进算法具有更快的收敛速度、更优的规划结果,且改进算法的蚁群轨迹更加集中至最优解附近。     

基于A~*算法的空间机械臂避障路径规划

针对空间机械臂在轨操作任务需求,提出一种基于A*算法的避障路径规划算法。根据机械臂和障碍物几何特征,对机械臂模型和障碍模型进行简化。通过研究机械臂本身所固有的几何特性,根据障碍物的位姿坐标,分析机械臂各杆件与障碍物发生碰撞的条件,进而求解空间机械臂的无碰撞自由工作空间。在此基础上,利用A*算法在空间机械臂的自由工作空间进行无碰撞路径搜索,实现了空间机械臂的避障路径规划。通过仿真试验验证了基于A*算法的空间机械臂避障路径规划算法的有效性与可行性。     

基于栅格地图-蚁群算法的机器人最优路径规划

通过栅格法建立栅格地图作为机器人路径规划的工作环境,采用蚁群算法作为机器人路径搜索的规则。将所有机器人放置于初始位置,经过NC次无碰撞迭代运动找到最优路径,到达目标位置。为防止机器人在路径搜索过程中没有达到最大迭代次时路径大小已不发生变化而陷入局部最优,则通过对各路径上的信息素进行增减来使机器人路径搜索跳出当前值,继续搜索,直到迭代完毕,获得最优路径。     

基于改进RRT*算法的机械臂路径规划研究

针对机械臂避障的难题,采用圆柱体包络法进行碰撞检测和RRT~*的改进算法进行路径搜索,规划出一条能够避免与已知障碍物碰撞,并且路径长度和规划时间较为优化的路径。RRT~*在原有RRT(快速随机树)基础上改进了父节点选择的方式,加入代价函数保证解的渐进最优性。在RRT~*基础上引入目标引力,减少路径搜索的随机性。同时,提出自适应步长避免陷入局部最优。在MATLAB平台上进行了RRT~*、RRT-connect及改进的RRT~*搜索算法的比较研究。结果表明,改进后的RRT~*算法在规划时间上和RRT-connect相近,在规划路径的长度上和RRT~*相近,同时具备时间和路径上的优势。以某品牌型号为WY700-1的机械臂进行了实验验证,结果表明,改进后的RRT~*搜索算法具备有效性和优越性。     

基于改进蚁群算法的移动机器人路径规划研究

传统的蚁群算法在移动机器人路径规划过程中,在加速算法收敛时易陷入局部最优问题,针对此问题提出了一种新型蚁群算法的移动机器人路径规划方法。首先建立了机器人路径规划数学模型,在此基础上对传统的蚁群算法进行了改进,将环境中局部的机器人路径信息引入到蚁群信息素的初始化和路径选择概率中,提高了蚁群算法的收敛速度并防止算法早熟。通过引入交叉操作并对蚁群算法中参数进行调整,避免了算法陷入局部最优。仿真结果表明,所提方法能够明显提高最佳路径搜索能力,整体性能优于传统蚁群算法。     

基于改进蚁群算法的移动机器人路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且易陷入局部最优值的问题,提出一种改进的蚁群优化算法。该方法依据起始点和目标点位置信息选择全局有利区域增加初始信息素浓度,提高前期蚂蚁搜索效率;增加避障策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死锁数量;采用动态参数控制的伪随机转移策略,提出优质蚂蚁信息素更新原则,自适应调整挥发系数,提高算法全局性;进行二次路径规划,优化路径并降低移动机器人能耗的损失。实验结果表明,该算法有较高的全局搜索能力,收敛速度明显加快,并且可以有效提高移动机器人工作效率,验证了该算法的有效性和优越性。     

基于改进人工势场法的双机械臂避障路径规划

针对双6自由度机械臂提出了一种基于改进人工势场法的避障路径规划算法。分析了双机械臂的协作工作空间,确认了双臂自碰撞的可能。针对静态障碍物对主机械臂进行避障运动规划,完成主机械臂路径规划后,再将主机械臂作为从机械臂运动时的动态障碍物,为从机械臂规划避障运动路径。利用新的势能函数代替传统人工势场法的势能函数,对双机械臂进行避障路径规划;由于传统人工势场法在机械臂避障路径规划中容易陷入局部极小值的缺陷,因此,增加了虚拟吸引点,避免机械臂陷入局部极小值。仿真实验表明,该方法实现简单,满足双机械臂避障的要求,能够有效地为双机械臂规划出无碰撞路径。